分子篩限域的金屬是一類重要的多相催化劑，在許多反應中都展現出了優越的催化活性，但是，通過簡單的合成方法確定一種穩定的金屬-分子篩組合仍然是一項重大挑戰。
有鑒于此，復旦大學劉智攀教授、中國科學院上海有機所馬思聰副研究員等報道通過人工智能的策略，尤其是基于全局神經網絡勢的大規模原子模擬，設計用于丙烷轉化為丙烯反應的骨架含Pt分子篩催化劑。
本文要點：
（1）
研究發現，在分子篩數據庫（>220種結構骨架）以及超過100000種Pt/Ge不同分布的構型中，預測發現只有三種含Ge的分子篩材料，Ge硅酸鹽（MFI、IWW和SAO型），有可能穩定嵌入分子篩骨架的Pt單原子，并且能能讓丙烷分子快速擴散。其中，Pt1@Ge-MFI催化劑通過簡單的一鍋法成功合成，無需復雜的后處理步驟，而且通過高分辨率表征實驗表征技術進行表征。
（2）
研究發現Pt1@Ge-MFI催化劑在還原反應條件能夠原位形成[GePtO3H2]活性位點，能夠在丙烷脫氫反應中實現長期（>750 h）的高活性和高選擇性（98%）。這種簡單的催化劑合成策略有可能實現規模化工業應用，并且可以通過數據驅動進行催化劑設計，并且通過第一性原理實現這一目標。
參考文獻
Zhao, QC., Chen, L., Ma, S. et al. Data-driven discovery of Pt single atom embedded germanosilicate MFI zeolite catalysts for propane dehydrogenation. Nat Commun 16, 3720 (2025).
DOI: 10.1038/s41467-025-58960-7
